{"href":"https://api.simplecast.com/oembed?url=https%3A%2F%2Fessamcafe.com%2Fepisodes%2Fshipping-machine-learning-systems-t6zVccAl","width":444,"version":"1.0","type":"rich","title":"مراجعة كتاب محمد الجيش  Shipping Machine Learning Systems","thumbnail_width":300,"thumbnail_url":"https://image.simplecastcdn.com/images/a566bf74-b141-4bfa-8358-0950361c449c/36a599f2-34ec-4eb5-9355-0f727a8ab0c1/02-qahwet-3esam-banners-3000x3000.jpg","thumbnail_height":300,"provider_url":"https://simplecast.com","provider_name":"Simplecast","html":"<iframe src=\"https://player.simplecast.com/9b113980-816c-4ff3-ba4d-edfe38df9055\" height=\"200\" width=\"100%\" title=\"مراجعة كتاب محمد الجيش  Shipping Machine Learning Systems\" frameborder=\"0\" scrolling=\"no\"></iframe>","height":200,"description":"https://www.amazon.com/Shipping-Machine-Learning-Systems-Production-ebook\n\n# وصف الحلقة — عصام كافيه × محمد الجيش\n\n---\n\n## 🎙️ العنوان المقترح\n**شحن أنظمة الـ Machine Learning للإنتاج | محمد الجيش × أحمد عصام**\n*(How to Ship Machine Learning Systems — From Idea to Production)*\n\n---\n\n## 📝 الوصف (للـ YouTube والبودكاست)\n\nفي الحلقة دي من **عصام كافيه**، أحمد عصام بيستضيف **محمد الجيش** — مؤلف كتاب **\"Shipping Machine Learning Systems\"** الجديد، والـ CTO & Co-Founder بتاع Monta.AI، وقبل كده Senior Manager في Amazon (Head of Alexa Speaker Recognition)، وDirector of AI في Cisco، و Co-Founder في Voicea (اتشترت من Cisco وبقت Webex Assistant).\n\nالحلقة دي مش حلقة ثيوريّة عن الـ ML. ده شغل حقيقي: إزاي تاخد فكرة، تحوّلها لموديل، وتنزّله Production من غير ما يقع عليك. الكلام كله من خبرة بنى بيها أنظمة بتخدم مئات الملايين من اليوزرز في LinkedIn و Microsoft و Amazon.\n\nلو إنت Software Engineer أو Data Scientist أو ML Engineer — وعايز تفهم الفرق بين الـ ML اللي بيتدرّس في الـ Courses والـ ML اللي بيشتغل فعلاً في الواقع — الحلقة دي ليك.\n\n---\n\n## ⏱️ التايم ستامبس (Chapters)\n\n```\n00:00   مقدمة وترحيب بمحمد الجيش\n01:19   فكرة الكتاب: ليه \"Shipping ML Systems\"؟\n03:47   منين نبدأ — من الداتا ولا من المشكلة؟\n05:27   هل المشكلة دي اتحلّت قبل كده؟ (Build vs Buy)\n06:35   المعادلة الحقيقية: Quality × Cost × Latency\n08:00   الـ Business Objective هو اللي بيقود كل حاجة\n10:49   هل دايماً نبني من الصفر؟ ولا نبدأ بـ Pre-trained؟\n13:40   اختيار الـ Labels والـ Error Function حسب الـ Business\n15:17   الـ Exploratory Data Analysis (EDA) — بداية كل مشروع\n17:35   إزاي نبني Test Set من غير Production Data؟\n20:00   مثال عملي: Speech Recognition والتشكيل في العربي\n22:25   Data Schema يتغيّر لما الـ Business يتغيّر\n24:25   من Bayesian Thinking لتحديث الافتراضات بالداتا\n27:23   الـ Stages: Train / Dev / Test / Calibration Sets\n31:05   ليه ما تشوفش الـ Test Set؟ (تشبيه الامتحان)\n33:54   الـ Canary Deployment والـ Smoke Test\n36:25   Shadow Deployment — الموديل بيشتغل بس مش بيردّ\n38:51   الـ A/B Testing والـ Randomized Controlled Trials\n40:51   المتركس اللي بتترجم لفلوس فعلاً\n42:00   الـ Domino Effect — Short-term vs Long-term Metrics\n45:00   الـ Reasoning Chain ورا اختيار كل Metric\n46:00   Error Analysis — منين بتيجي الأخطاء؟\n49:30   Bias في الداتا — قصة HP Face Detection\n52:13   Data Vendors: Scale AI و Mechanical Turk والـ Quality Control\n55:46   IOU وحساب الـ Inter-annotator Agreement\n57:30   الـ Metric Hacking — قصة الأولمبياد والـ Athletes\n01:00:14   Honeypots وكشف الـ Spammers في الـ Labeling\n01:03:00   عقود الـ Data Vendors والـ Quality Conditions\n01:04:38   Synthetic Data — هل نولّد داتا بـ LLM؟\n01:06:00   Model Collapse و Bias Amplification\n01:08:00   \"You have to live with your data\"\n01:10:30   قصة أحمد مع تدريب موديل صغير وتعلم Thinking Traces\n01:12:25   غلطة الـ Tokenizer Shift اللي ضيّعت 23 يوم تدريب\n01:15:30   الخاتمة والـ Experiment Queue\n```\n\n---\n\n## 📚 عن الضيف — محمد الجيش\n\n- **Author:** *Shipping Machine Learning Systems* (الكتاب الجديد) و *Computing with Data* (Springer, 2018)\n- **CTO & Co-Founder** — Monta.AI\n- **Ex-Senior Manager** — Amazon (Head of Alexa Speaker Recognition)\n- **Ex-Director of AI** — Cisco / Voicea (Webex Assistant)\n- **Ex-LinkedIn / Microsoft** — قاد فرق AI و Big Data\n- **Teaching Assistant (part-time)** — CS229 (Machine Learning) و CS230 (Deep Learning) في Stanford\n\n---\n\n## 🔗 لينكات\n\n- 📖 الكتاب: *Shipping Machine Learning Systems* — متاح على ebooks.com وSpringer\n- 💼 محمد على LinkedIn: linkedin.com/in/elgeish\n- ☕ احجز جلسة 1:1 مع محمد: intro.co/MohamedEl-Geish\n\n---\n\n## 🎯 الحلقة دي مفيدة لمين؟\n\n- Software Engineers بيحبوا يدخلوا مجال الـ ML\n- Data Scientists عايزين يفهموا الـ Production Side\n- ML Engineers بيشتغلوا على Real Systems\n- Founders ببنوا منتجات AI\n- طلبة بياخدوا Courses في الـ ML وحاسين إن في فجوة بين النظري والعملي\n\n---\n\n## 🏷️ Hashtags\n\n#عصام_كافيه #EssamCafe #MachineLearning #AI #DataScience #MLOps #محمد_الجيش #ShippingMLSystems #DeepLearning #LLM #DataEngineering #MLEngineering #بودكاست_تقني #برمجة #ذكاء_اصطناعي\n\n---\n\n## 📱 تابعونا\n\n- 🎧 Spotify | Apple Podcasts | Google Podcasts\n- 📺 YouTube: @EssamCafe\n- 🐦 X / Twitter\n- 💼 LinkedIn\n\n---\n\n*شير الحلقة لو عجبتك، واكتبلنا في الكومنتس أكتر سؤال محتاج إجابة من الحلقة الجاية مع محمد.*"}